WSN中一种基于网络效益最大化的数据收集方案

数据收集问题是无线传感网中的研究热点之一。针对现有的数据收集方法能耗过大以及数据收集精度低下的问题,提出一种基于网络效益最大化的数据收集方案。首先基于压缩采样得到各个节点感知数据的测量值,然后在融合节点处采用随机高斯矩阵对测量值进行编码后传输,最后将编码后的测量值传输问题建模为网络效益最大化问题,并利用拉格朗日乘数法得到近似最优解。仿真实验结果表明,该方法是有效的,在数据重构精度以及网络生命周期等方面都要优于传统的方法。     

WSN中一种基于过采样的数据可靠收集方案

数据收集问题是无线传感网中的一个研究热点。针对现有的数据收集方法没有考虑在BEC中数据传输的丢失现象,导致数据收集精度低下的问题,利用压缩感知理论,提出一种基于过采样的数据可靠收集方案。首先基于伪随机采样策略构造得到初始的感知矩阵Φ,然后BEC被建模为丢失概率为p的贝努利分布,最后基于信道丢失概率自适应地增加感知矩阵Φ的行数,即采用过采样来实现对节点数据的投影操作,从而保证即使投影值的传输出现丢失也能在sink处精确地恢复出原始数据。理论分析和仿真实验结果表明,该方法在BEC中是有效的,在数据重构精度以及网络生命周期等方面要优于传统的方法。     

一种基于自适应代表节点选择的WSN数据收集方法

采用压缩感知的无线传感网络数据收集方法要求每个节点都参与数据收集,会造成很大的能量浪费.本文提出了一种基于自适应代表节点选择的WSN数据收集方法,在保证压缩感知数据重构精度的同时,减少参与数据收集的节点数.首先,采用主成分分析和混合压缩感知相结合的办法设计稀疏基;然后,通过分析稀疏基的框架势FP(Frame Potential)设计压缩感知的稀疏观测矩阵,从而选择代表节点,以减少参与数据收集的节点数目;最后,根据Sink处数据重构精度,自适应调整稀疏观测矩阵以用作下一时刻数据收集,从而保证数据收集的重构精度.仿真结果表明,该方法有效的降低了网络能耗和数据传输量,同时还保证了每个时刻数据重构的精度.     

一种基于时空相关性和异常检测的改进WSN节能策略

针对降低无线传感网能耗和保证数据精度之间的矛盾,提出了自适应采样数据并利用压缩感知进行压缩的方法.传统的基于压缩感知的无线传感器数据压缩,只采样部分节点的数据,对于未被采样节点感知到的突发事件很有可能发生漏检情况.本文方法检测所有节点上传的数据再进行压缩,可以有效避免漏检情况的发生.根据信号具有时间相关性的特点,本文采用基于方差分析ANOVA(Analysis of Variance)原理改进的传感器自适应采样频率方法,并考虑节点剩余能量,减少平稳信号的采集次数,均衡网络节点能耗.在LEACH协议基础上,对簇内数据进行压缩感知的方法对数据进行压缩从而减少数据的空间相关性并传输到汇聚节点,以减少网络整体的能量消耗.针对可能的漏报情况,提出一种改进的局部事件监测算法-滑动窗口局部事件监测SW-LED(Sliding Window-Local Event Detection)算法,实现了实时准确的异常检测和预警.实验结果表明本文方法既可以有效的均衡网络节点能耗以提高网络生存周期,同时保证了数据的精度,对于异常情况的识别率也有很大的提高.     

煤矿井下压缩感知图像处理算法

针对煤矿井下无线传感网络因信息传输量大而导致传感节点能量消耗快、设备寿命缩减的问题,提出一种基于小波变换的压缩感知图像处理算法。该算法采用sym8小波基对图像进行稀疏化分块处理,经测量矩阵自适应采样测量,最后通过OMP算法和小波逆变换重构图像。实验结果表明,与传统的压缩感知算法相比,该算法能够以更低的采样率获得高质量的重构图像。     

无线传感网中一种基于压缩感知的数据存储机制

能量有效地实现分布式数据存储是无线传感网中的一个研究热点。针对现有的存储算法的不足,提出一种基于压缩感知的分布式数据存储机制。首先对于各个传感器节点的数据基于压缩感知进行测量;然后从网络中随机选择Ns个节点作为源节点以概率p向其邻居广播自身的测量值,使得数据收集者只需要访问部分节点就能收集整个网络的测量值;最后在保证数据重构精度的前提下,通过优化测量矩阵和转发概率p,实现数据的高效存储。理论分析和仿真实验结果表明,该方法是有效的,在数据转发次数以及能量有效性等方面要优于传统的方法。     

基于动态数据压缩的能量采集无线传感网络数据收集优化

针对能量采集无线传感网络（WSN）中的数据收集优化问题,考虑传感器节点能量采集的时空变化特性,提出一种基于节点动态采样速率和数据压缩的策略,以实现网络中采样数据总量的最大化。首先,提出一种根据节点的邻居信息决定其最优压缩策略的本地压缩算法,基于节点在数据汇聚树中的拓扑位置考虑其数据接收和转发能耗,逐渐增加其采样速率直到其总能耗到达采集能耗阈值。接着构造网络性能的全局优化问题并提出一种启发式的算法,通过迭代求解线性规划问题计算最优的采样速率和压缩策略。实验结果表明,与现有的自适应传感和压缩率选择方案相比,所提出的两种数据收集优化算法能够维持更加稳定的传感器节点电量水平并实现更高的网络性能。     

基于小波树模型的CoSaMP压缩感知算法

无线传感网络存在网络带宽限制和传感器节点的能耗问题,实际应用中通常希望可以通过重构算法从采集的少量数据中还原出原始信息,压缩感知理论为上述问题提供了一个解决思路。利用压缩感知理论,对无线传感器网络中温度传感器的监测信号进行了压缩感知的应用研究。针对传统压缩采样匹配追踪(CoSaMP)算法中测量次数多、重构精度低等问题,利用信号的小波系数所形成的连通树的结构特性,提出了基于小波树模型的压缩采样匹配追踪算法。将该算法应用到无线传感器网络监测信号的压缩感知仿真实验中,与传统压缩采样匹配追踪算法的重构性能进行比较,结果表明该算法较传统压缩采样匹配追踪算法在一定范围内对无线传感器网络中的温度信号具有更好的压缩感知性能。     

面向带状无线传感网低延迟可靠数据收集算法

带状无线传感网为长距离带状分布，现有的数据收集算法无法很好解决其数据收集延迟较大的问题。提出了一种主动定位移动Sink的数据收集算法DCFAN（Data Collection based on Forwarding of Agent Nodes），DCFAN构建移动Sink的同步代理节点以及存储同步代理节点的线节点序列，通过获取同步代理节点转发感知数据到Sink汇聚点。仿真结果表明，DCFAN算法能有效降低网络节点能耗以及数据收集延迟，同时提升数据收集率，适用于对数据收集延迟具有一定要求的带状无线传感网应用场景。     

认知无线传感网中一种高能效的频谱感知周期优化算法

为了提高认知无线传感网中节点的频谱感知能效,提出了一种高效的频谱感知周期优化算法。该方法通过引入贪婪因子来减少节点感知信道的次数,进而达到降低感知能耗的目的。在碰撞概率和等待时延的约束下,节点在与信道的交互过程中实现对感知周期的动态修正,达到了对信道状态的自适应高效感知。仿真结果表明,在不同的信道占用状态条件下,该算法相比固定感知周期的方法,有效地提高了感知能效,适于在认知无线传感网中实施。     

基于均衡分簇的无线传感器网络压缩数据收集

应用压缩感知（CS）理论结合稀疏随机投影的无线传感器网络（WSN）压缩数据收集（CDG）可以大大减少网络传输的数据量。针对随机选择投影节点作为簇头来收集数据导致网络整体能耗不稳定和不平衡的问题,提出两种平衡投影节点的压缩数据收集方法。对于节点分布均匀WSN,提出基于空间位置的均衡分簇法：首先,均匀划分网格;然后,在每个网格选举投影节点,依距离最短原则成簇;最后,由投影节点收集簇内数据到汇聚节点完成数据收集,从而使得投影节点分布均匀、网络能耗均衡。对于节点分布不均匀的WSN,提出基于节点密度的均衡分簇法：同时考虑节点的位置和密度,对节点数量少的网格不再选择投影节点,将网格内的少量节点分配到邻近的网格,从而平衡网络能量,延长网络寿命。仿真结果表明,与随机投影节点法相比,所提的两种方法的网络寿命均延长了25%以上,剩余节点数在网络运行中期均能达到2倍左右,具有更好的网络连通性,显著提高了整个网络的生命周期。     

压缩感知在无线传感器网络数据采集中的应用

提出了一种无线传感器网络中基于压缩感知的数据采集方法。通过分析信号压缩观测过程,提出了适合在硬件资源有限的传感器节点中实现的循环稀疏伯努利观测矩阵CSBM(Cyclic-Sparse-Bernoulli Measurement),该矩阵使用循环稀疏矩阵与伪随机伯努利序列,采用结构化的方法构造,具有非零元素少、良好的伪随机性、硬件易于实现等优点。仿真实验表明,与其他类型的观测矩阵相比,CSBM矩阵在一定信号重构精度前提下具有更低的压缩采样比CSR(Compress Sampling Rate)。在无线传感器网络数据采集应用中,感知节点可以通过压缩观测得到更少的观测数据,能够大大减少网络通信数据量。     

无线传感器网络拓扑识别算法

获取无线传感器网络(WSN)的拓扑信息对于网络规划和管理具有重要意义。针对采用数据融合机制的无线传感器网络(WSN),证明了以某一节点的父节点的数据成功传输为条件时,该节点丢包的条件概率最小;以上述结论为基础,提出了一种新的WSN拓扑识别算法,仅以端到端的测量信息作为依据,可以在不增加网络负载、无需中间节点协作的情况下,获得准确的拓扑结构。NS-2仿真结果表明了该算法的有效性。     

多通信方式的WSN汇聚节点的设计与实现

针对无线传感器网络汇聚节点通信方式单一的问题,设计实现基于PXA270处理器的、具有以太网、CF无线局域网及GPRS网络等多种通信方式的无线传感器网络汇聚节点,完成汇聚节点硬件平台引导加载程序的移植,构建无线传感器网络实验与研究平台。实际应用证明,多通信方式的汇聚节点具有较高的实用性。     

基于完全图的能量高效可靠分簇算法

在采用多跳通信方式的分簇无线传感器网络中,接近sink点的簇头负担较重,容易过早耗尽能量而失效,引起大量簇重组。针对该问题,基于完全图理论提出一种能量高效可靠分簇算法以均衡簇间负载,设计动态簇头轮换机制来实现快速簇头选举和故障处理。仿真结果表明,该算法能延长网络生命周期、节约网络能耗、提高网络可靠性。     

一种有效的网络多出口流量调度方案

在采用多跳通信方式的分簇无线传感器网络中,接近sink点的簇头负担较重,容易过早耗尽能量而失效,引起大量簇重组。针对该问题,基于完全图理论提出一种能量高效可靠分簇算法以均衡簇间负载,设计动态簇头轮换机制来实现快速簇头选举和故障处理。仿真结果表明,该算法能延长网络生命周期、节约网络能耗、提高网络可靠性。     

基于Q学习的无人机辅助WSN数据采集轨迹规划

针对无人机辅助采集无线传感器网络数据时各节点数据产生速率随机和汇聚节点状态不一致的场景，提出基于Q学习的非连续无人机轨迹规划算法Q-TDUD，以提高无人机能量效率和数据采集效率。基于各节点在周期内数据产生速率的随机性建立汇聚节点的汇聚延时模型，应用强化学习中的Q学习算法将各汇聚节点的延迟时间和采集链路的上行传输速率归一化到奖励函数中，通过迭代计算得到最佳非连续无人机飞行轨迹。实验结果表明，与TSP-continues、TSP、NJS-continues和NJS算法相比，Q-TDUD算法能够缩短无人机的任务完成时间，提高无人机能效和数据采集效率。     

无线传感器网络中多sink节点优化部署方法

大规模无线传感器网络(WSN)环境下,当网络结构采用单一的sink节点时,容易造成sink节点周围的普通传感节点因为转发大量其他节点的数据,迅速消耗掉自身能量而使网络失效。为了延长网络寿命,需要降低传感节点到sink节点的跳数,而采用多sink结构是一个有效的方法。为此,需要考虑一定规模的网络中,应该布置多少sink节点,才能使得网络寿命最大化的同时网络成本最低。基于栅格网络结构,提出了多sink节点下的网络寿命模型和网络成本模型,并采用一种新颖的方法计算最大网络寿命成本比(RLC),推导出了保证网络寿命最大化的同时网络成本最低的sink节点个数的表达式。理论结果表明,该值与网络规模、关键节点数、节点收发功率以及普通节点和sink节点的成本等参数有关。最后通过仿真实验证明了该结论的正确性。     

分布式混合压缩感知无线传感器网络数据收集

在传感器网络数据收集过程中,降低网络传输量对于网络传输效率和生命周期的延长具有重要意义。结合压缩感知思想,设计了一种分布式混合压缩感知的无线传感器网络数据收集方法。首先通过基于k-means++的方法均匀聚类形成簇,各簇进行基于混合压缩感知的分布式数据收集,完成后通过建立骨干树将数据传输至sink节点。仿真结果表明,在给定的仿真工况下（压缩率为10,节点数为800）,与最短路径树混合压缩感知和最优树混合压缩感知算法相比,分别能减少40%和10%以上的传输量,与不使用混合压缩感知的收集方法相比减少70%以上的传输量;同时,节点传输量标准差由14.07和14.37和降低至11.85,置信区间大小由322.66和131.75降低至39.12,证明网络鲁棒性和负载均衡度均有提升。